数据驱动的空间目标图像信息感知技术

从空间目标的观测图像中自动感知其类别及工作状态对军事国防及空间探测等具有重要意义。为实现对空间目标图像信息的自动化精确感知,提出了一种数据驱动的空间目标图像信息感知技术。所提技术以深度卷积神经网络为基础,利用海量的模拟数据和少量的真实数据训练神经网络,训练后的神经网络能够直接从空间目标图像中感知空间目标的载荷及工作状态等信息。以两个空间目标图像信息感知任务为例,对技术实用性进行了测试。在空间目标载荷识别任务中,所提技术可以对不同模糊程度及不同噪声水平条件下的未知空间目标图像进行载荷识别。结果表明,对于不同的空间目标载荷,所提技术的平均识别准确率超过80%,检测速度可达50 frame/s。在空间目标状态感知任务中,采用模型组合方法搭建了空间目标工作状态感知专家系统。根据空间目标图像,实现了对空间目标工作状态信息的感知,验证了数据驱动的空间目标图像信息感知技术的有效性。     

复杂背景下红外图像弱小目标检测

红外弱小目标检测是安防监控、侦察探测、精确制导等领域的关键技术。为了提高复杂背景条件下红外弱小目标检测的准确性和实时性,提出了一种基于深度学习的红外弱小目标检测算法YOLO-FCSP。根据红外图像中弱小目标的特点,在YOLO检测框架的基础上,通过减少下采样次数,结合跨阶段局部模块、Focus结构和空间金字塔池化结构设计了特征提取网络。借鉴多路径聚合的思路优化特征融合网络,同时调整检测输出层数量,通过信息复用提高特征利用效率。实验结果表明,本文提出的算法在检测红外弱小目标时具有较高的准确率和检测速度,精度和召回率分别为91.9%和94.6%,平均准确率(AP)值达到92.6%,检测速度达到170 f/s,满足实际应用中实时检测的需求。     

基于频域映射与多尺度Top-Hat变换的红外弱小目标检测算法

提出了基于频域映射与多尺度Top-Hat变换的红外弱小目标检测算法。通过分割经典Top-Hat的单一结构元素,获得多尺度膨胀结构元素,对红外弱小目标进行增强,有效抑制杂波与噪声背景;基于Butterworth低通滤波与截止频率,构建Butterworth差异带通滤波,联合Fourier变换,建立粗显著性检测机制,通过提取其幅度与相位频谱,基于2D高斯平滑滤波,定义细显著性检测机制,在频域中凸显弱小目标,并将红外目标的空间与强度相关性作为识别标准,精确定位候选目标;根据红外目标运动与虚警的速度差异特征,定义弱小目标连续帧速度模型,在帧间充分抑制候选区域中的虚假目标,检测出完整的弱小目标。实验结果显示:与当前红外弱小目标检测技术相比,面对复杂背景干扰,提出的算法具有更高的检测精度,可精确定位出完整的弱小目标,呈现出更好的ROC特性曲线。     

基于侧窗滤波与时空正则化相关滤波的红外弱小目标跟踪

当目标远离红外系统,其在成像图像上的尺寸较小且信息量较少,使得小目标的持续精确定位成为一项有挑战性的问题。针对这一问题,在相关滤波跟踪框架上,引入能够区分红外弱小目标边缘信息与杂波噪声的侧窗图像滤波方法,提出了一种弱小目标跟踪算法。具体来说,首先利用时空正则化的相关滤波跟踪模型,对目标位置附近更大范围的背景进行考虑。然后,利用侧窗滤波对当前局部搜索区域进行侧窗滤波处理,达到了保留边缘效果的同时剔除了图像噪声。最后,通过原始图像与滤波后图像作差,降低了背景边缘对目标定位错误的影响,并实现小目标状态估计。为验证本文所提算法性能,采用六组红外真实弱小目标图像序列进行实验,并与核相关滤波、空间正则化的相关滤波,以及时空正则化的相关滤波等经典算法作比较。实验结果表明,所提算法在多组复杂背景的图像序列上,获得了较高的跟踪精度,验证了所提算法能有效应对红外弱小目标跟踪任务中的快速运动、低分辨率和强背景杂波等问题。     

复杂天空背景下的红外弱小目标跟踪

为解决传统跟踪算法不能有效区分复杂天空云层背景边缘和红外弱小目标,从而在跟踪过程中产生“偏移”的问题。在时空上下文原理基础上分析跟踪“偏移”的原因,引入高斯曲率滤波,提出一种改进的时空上下文红外弱小目标跟踪算法。该算法首先采用高斯曲率滤波对上下文区域进行预处理,在保留上下文区域背景边缘的同时剔除高频的红外弱小目标和噪声,从而获得准确的红外弱小目标置信图,利用红外弱小目标置信图估计出红外弱小目标位置。采用四组复杂天空背景下的红外弱小目标图像序列进行实验,并与经典的模板匹配算法、基于粒子滤波的均值漂移算法和快速压缩跟踪算法三种跟踪算法作比较。实验结果表明,算法在主观视觉和客观评价指标方面均优于其他三种算法,具有更高的目标跟踪精度与较好的实时性,可以实现对复杂天空背景下红外弱小目标的有效跟踪。     

改进的非下采样Contourlet变形红外弱小目标检测方法

针对存在复杂背景干扰和噪声的红外图像弱小目标检测问题,提出了一种非下采样Contourlet变换（NSCT）的改进的红外弱小目标检测方法。首先对含弱小目标的红外图像进行预处理,然后利用NSCT进行变换,并利用改进的非线性映射函数和能量交叉融合相结合的方法实现了背景杂波的抑制,最后引入Otsu算法进行阈值分割分离出红外弱小目标。通过与同类弱小目标检测算法的对比实验,验证了该方法的有效性。     

基于分类的红外云层背景弱小目标检测方法

提出了一种新的基于模糊分类的红外云层背景弱小目标检测方法.根据红外成像的特点,将红外云层背景弱小目标图像分为三类:边缘类、净空及云中类、弱小目标类;对不同类别图像进行分析,建立了分类模型,并定义了方向特征矢量,将其作为类别的特征矢量;根据模糊分类的理论,定义了类相似系数来判别图像中每一个像素的类别属性,保留弱小目标类的像素点完成检测.实验结果表明,该方法能够对红外弱小目标图像中不同类型的区域进行准确的分类,从而较好的实现了对低信杂比的复杂云层背景图像中的弱小目标检测.     

多维特征点空间的红外弱小目标检测方法

将人工智能算法引入目标检测,空间红外弱小目标的检测也可归为模糊检测的二分类问题。依据空中红外弱小目标的探测模型,建立了信号电压比光谱模型,仿真分析表明电压比变化趋势与目标的速度、姿态和两机态势有关,可用以检测目标。采用动态特征构建理论,构建了红外弱小目标的双色比特征空间,基于该特征空间,优化最小二乘分类算法,用于从光谱信号层级检测目标。该方法不仅缩小了样本数据量,而且防止了高斯核函数参数选择引起的“过拟合”现象,既保证了分类精度,又使分类速率提高近1倍,为人工智能算法用于红外弱小目标检测提供了参考依据。     

基于引导滤波和核相关滤波的红外弱小目标跟踪

为了解决传统跟踪算法不能有效区分背景边缘和红外弱小目标的问题,基于图像引导滤波和核相关滤波,提出了一种改进型的红外弱小目标跟踪算法。将采用6组红外弱小目标图像序列得到的实验结果与采用经典跟踪算法得到的实验结果进行了比较。实验结果表明,所提算法在主观视觉和客观评价指标方面均优于传统算法,具有更高的目标跟踪精度与较好的实时性。     

基于形态学带通滤波和尺度空间理论的红外弱小目标检测

针对复杂背景下的红外弱小目标检测问题,提出了一种基于形态学带通滤波和尺度空间理论的红外弱小目标检测算法。采用形态学带通滤波对红外图像进行预处理,得到红外弱小目标的潜在区域;利用高斯差分算子获得预处理后的红外图像的尺度空间,并通过尺度空间的极大值检测获得候选目标的位置和尺度;通过对候选目标的信杂比进行阈值化实现红外弱小目标的检测。实验结果和现有方法的对比证明了算法的有效性和稳健性。     

融合多异构滤波器的轻型弱小目标检测网络

针对红外图像信息维度单一且弱小目标因特征不明显而难以检测的问题,将不同结构的多滤波器融入YOLOv5n网络,根据增强弱小目标和抑制背景干扰的不同特性分别选择三个异构滤波器作用于网络的多通道输入图像,从而丰富原始图像的信息维度,有效提升后端网络对复杂背景下弱小目标的适应能力;通过添加注意力模块、采用小锚框策略、裁剪网络深层分支等改进措施,在增强YOLOv5n网络弱小目标检测能力的同时,进一步减少了计算和存储资源需求。实验结果表明,所提出的算法能够有效检测红外复杂背景中的弱小目标,同时占用存储和计算资源更少,为算法部署在资源受限的嵌入式设备上提供了基础。     

飞艇红外探测系统探测高超声速目标性能研究

以X-51A为例,研究了飞艇红外探测系统对临近空间高超声速目标的探测性能。首先,根据飞行器的飞行状态和飞行高度建立了临近空间高超声速目标不同波段的红外辐射特性模型,以及随高度变化的目标背景红外辐射强度模型;其次,综合考虑飞行器与飞艇高度、地球曲率及红外辐射在大气中传播的波段选择性等因素,建立了红外辐射在临近空间大气中传播的透过率模型;在此基础上,建立了飞艇红外探测系统对高超声速目标的探测距离模型。通过仿真得到了临近空间高超声速目标在不同飞行状态下3个波段的红外辐射强度随目标飞行高度变化的曲线,以及飞艇红外探测系统对飞行器在不同飞行状态下3个红外辐射波段的探测能力。研究结果表明:飞艇红外探测系统对高超声速目标的有效探测距离可以达到百公里量级;当飞行器飞行状态一定时,随着飞行器飞行高度的增加,系统对目标的探测距离先增大后减小;与长波波段相比,中短波波段的探测距离更大,并给出了临近空间飞艇应尽量布置在海拔高度大于18 km的高空中的部署建议。     

空间目标红外辐射理论计算

建立了空间目标的热平衡方程,利用节点网络法求解其表面温度场分布;然后利用普朗克公式计算了空间目标的红外辐射强度;最后对大气层外某空间目标的表面温度场分布和红外辐射强度分布进行了数值计算。     

基于双边滤波的弱小目标背景抑制

 为解决红外弱小目标检测技术中结构化背景抑制的难题,利用双边滤波集成了图像几何、光度和局部结构相似性等信息并以非迭代、局部操作的优点,提出了一种基于双边滤波的红外弱小目标背景抑制算法,并引入了局部梯度的统计特性来抑制背景细节、增强目标信息,从而达到更好抑制图像中的背景,突出目标图像,提高图像整体对比度、信噪比的目的。实验结果显示,与小波滤波算法比较,该算法对含有弱小目标的复杂背景从主观视觉和数值指标都具有良好抑制效果。     

基于多特征的快速红外弱小目标检测算法

为了从全向红外搜索和跟踪系统采集的海量大视场高分辨率红外图像中快速准确地检测出红外弱小目标,本文提出了一种基于由粗到细的分阶段检测策略和时空域特征融合的红外弱小目标检测算法.首先,通过引入基于频域的快速显著性检测算法预先检测出目标可能存在的候选区域;其次,对候选区域进行角点检测以判定是否存在候选目标;最后,通过结合帧间时空域特征对候选目标进行进一步判定,以提取真实目标、删除虚假目标.多种实际场景的实验结果表明,该目标检测算法不仅运算量小而且探测概率高、虚警率低,是一种工程实用性能很好的红外弱小目标检测算法.     

运输机蒙皮红外辐射特性建模与分析

为了研究了C-17运输机的红外辐射特性,依据红外辐射的基本原理以及运输机的结构、材料等数据,对飞机机体进行几何建模和网格划分,通过流场仿真计算得到机体蒙皮的温度分布,并结合表面的多重遮挡算法计算出不同马赫数、不同视线方向的飞机蒙皮在红外(8 μm~12 μm)波段的总辐射强度。结果表明,方位角为0°时,相对于0.5马赫,1马赫飞行状态时,红外辐射强度增加32%,马赫数对红外辐射强度影响非常大,气动加热为其辐射强度的主要贡献源。从正前方或正后方探测时,红外辐射强度峰值随天顶角接近对称分布,从侧方探测时,红外辐射强度分布较为平均,因此天顶角对红外辐射强度影响较小。     

基于自适应频域滤波的红外弱小目标检测技术

研究复杂背景下弱小目标检测问题对提高靶场光电设备探测能力具有重要意义.根据红外图像的背景复杂程度,提出一种自适应高斯高通滤波算法.该算法利用改进中值滤波器对图像进行降噪,采用图像方差加权熵,定量描述红外图像背景复杂程度,根据图像背景复杂程度自动调整滤波器截止频率,实现不同背景下红外弱小目标自动检测,并利用靶场实测光电图像对算法进行了验证.实验结果表明该算法能够有效地在不同图像背景下检测到弱小目标.     

基于多特征融合的复杂背景下弱小多目标检测和跟踪算法

针对红外弱小多目标的检测和跟踪难题,提出一种基于多特征融合的复杂背景下弱小多目标检测和跟踪算法.融合红外弱小运动目标的灰度特征、梯度特征、运动特征等多个典型特性,进行复杂背景下弱小多目标的检测和跟踪.实验证明:该算法应用于复杂背景下低信噪比的红外弱小多目标图像序列能得到较理想的结果,算法检测概率高、检测速度快、具有较强鲁棒性.     

近地背景下的机载红外探测系统弱小目标检测

机载红外探测系统在近地背景下检测目标时,地面将对弱小目标产生严重的干扰,导致传统检测方法对弱小目标的检测性能下降。针对该问题,利用生成对抗网络提出一种近地背景下的机载红外探测系统弱小目标检测方法。将深度自编码器作为生成对抗网络的网络框架,引入inception机制对视觉信息进行多尺度特征提取,并引入残差块来缓解梯度消失问题。在神经网络的对抗训练中,生成器考虑了移动损失与对抗损失两个损失函数,提高了生成器的训练效果。最终,在公开的无人机机载红外探测数据集上完成了实验,结果表明所提方法能在近地背景下成功检测出红外弱小目标,且检测的平均精度与速率均优于其它对比方法。     

自适应双边滤波红外弱小目标检测方法

针对红外弱小目标检测,提出一种基于自适应双边滤波的背景预测算法.该算法利用空域低通滤波和图像灰度信息的非线性组合,自适应的对背景进行预测,达到提高弱小目标检测性能的目的.仿真和实验表明:与小波滤波的检测算法相比,该算法能够更加有效地从结构化背景中检测目标抑制背景.